基于多光譜圖像融合的視頻運(yùn)動(dòng)目標(biāo)檢測(cè).pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)和圖像編碼研究的主要內(nèi)容，也是近年來(lái)計(jì)算機(jī)視覺(jué)中最具挑戰(zhàn)性的研究課題之一，它在機(jī)器人導(dǎo)航、智能監(jiān)視系統(tǒng)、醫(yī)學(xué)圖像分析以及視頻圖像壓縮和傳輸?shù)阮I(lǐng)域中都有廣泛應(yīng)用。其中運(yùn)動(dòng)目標(biāo)檢測(cè)是實(shí)現(xiàn)目標(biāo)跟蹤、交通監(jiān)控、行為分析等任務(wù)的基礎(chǔ)。但是由于運(yùn)動(dòng)目標(biāo)的檢測(cè)容易受到背景變化、烏云、光線變化、陰影、運(yùn)動(dòng)速度等因素的影響而導(dǎo)致檢測(cè)結(jié)果不好，所以如何更好的實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)具有非常重要的意義。
　　 本文主要研究靜態(tài)

2、場(chǎng)景下多光譜序列圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)。首先，介紹目前常用的三類(lèi)目標(biāo)檢測(cè)的方法：光流法、時(shí)域差分法、背景差分法各自的特點(diǎn)和使用的場(chǎng)合，研究表明背景差分法最適合靜態(tài)場(chǎng)景下多目標(biāo)檢測(cè)。其次，研究了背景差分法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)的原理、算法步驟以及存在的問(wèn)題，并對(duì)基本的背景模型法、單高斯模型法、多高斯模型法以及LOTS(Lehigh Omni-directional TrackingSystem)四種背景差分法進(jìn)行詳細(xì)介紹。其中，LOTS算法采用兩個(gè)

3、背景、兩個(gè)閾值以及將背景差分和目標(biāo)分割相結(jié)合的方法既很好的抑制了噪聲又使得檢測(cè)結(jié)果更完整，從而提高了檢測(cè)效果。再次，鑒于可見(jiàn)圖像和紅外圖像存在大量的互補(bǔ)信息，本文提出了將可見(jiàn)圖像和紅外圖像融合來(lái)提高視頻運(yùn)動(dòng)目標(biāo)檢測(cè)效果的方法，在融合方面我們主要考慮了像素級(jí)的融合、特征級(jí)的融合以及決策級(jí)的融合。最后，研究了ViPER視頻目標(biāo)檢測(cè)與跟蹤評(píng)估平臺(tái)，通過(guò)ViPER平臺(tái)對(duì)單光譜和多光譜視頻上的檢測(cè)結(jié)果進(jìn)行比較分析，結(jié)果表明LOTS方法在幾種背景差